2.2-环境配置与创建TF记录文件《计算机视觉技术应用》

计算机视觉技术应用项目三人脸口罩佩戴识别环境配置与创建TF记录文件任务二职业能力目标01任务描述与要求02任务分析与计划03知识储备04任务实施05任务检查与评价06任务小结07任务拓展08任务二环境配置与创建TF记录文件了解图像标注知识了解数据标注的相关流程能够安装Tensorflow能够安装TensorflowObjectDetectionAPI能够使用TFRecord创建工具，generate_tfrecord.py能够掌握学习创建工具的配置方法能够将训练数据集转换为符合TensorflowObjectDetectionAPI训练要求的TFRecord文件职业能力目标01知识目标技能目标职业能力目标01任务描述与要求02任务分析与计划03知识储备04任务实施05任务检查与评价06任务小结07任务拓展08任务二环境配置与创建TF记录文件

此任务的主要内容是学会参考官方文档，安装此项目需要用到的依赖包，并配置好运行环境，生成训练数据文件train.record和测试数据文件test_record。任务描述任务要求搭建YOLOv3_tiny算法模型使用YOLOv3_tiny模型用来进行目标检测任务描述与要求02职业能力目标01任务描述与要求02任务分析与计划03知识储备04任务实施05任务检查与评价06任务小结07任务拓展08任务二环境配置与创建TF记录文件任务计划表通过上面的思考，你是否对本任务要完成的工作有所了解？让我们一起来制订完成本次任务的实施计划吧！任务分析与计划03项目名称YOLO目标检测项目开发与部署实战任务名称环境配置与创建TF记录文件计划方式自主设计计划要求请用8个计划步骤来完整描述出如何完成本次任务序号任务计划1

2

3

4

5

6

7

8职业能力目标01任务描述与要求02任务分析与计划03知识储备04任务实施05任务检查与评价06任务小结07任务拓展08任务二环境配置与创建TF记录文件人工智能04

人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。机器学习04

机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。深度学习04

深度学习在搜索技术，数据挖掘，机器学习，机器翻译，自然语言处理，多媒体学习，语音，推荐和个性化技术，以及其他相关领域都取得了很多成果。深度学习使机器模仿视听和思考等人类的活动，解决了很多复杂的模式识别难题，使得人工智能相关技术取得了很大进步。深度学习04深度学习是机器学习的分支，是一种以人工神经网络为架构，对数据进行表征学习的方法。现已有数种常见深度学习网络架构，如全连接神经网络、卷积神经网络、深度置信网络和循环神经网络等。深度学习框架已被广泛应于与计算机视觉、语音识别、自然语言处理、音频识别等多个领域。深度学习04深度学习框架深度学习是机器学习的分支，是一种以人工神经网络为架构，对数据进行表征学习的方法。现已有数种常见深度学习网络架构，如全连接神经网络、卷积神经网络、深度置信网络和循环神经网络等。深度学习框架已被广泛应于与计算机视觉、语音识别、自然语言处理、音频识别等多个领域。TensorFlow04

机器学习作为人工智能的一种类型，可以让软件根据大量的数据来对未来的情况进行阐述或预判。如今，领先的科技巨头无不在机器学习下予以极大投入。Facebook、苹果、微软，甚至国内的百度。Google自然也在其中。TensorFlow是Google多年以来内部的机器学习系统。如今，Google正在将此系统成为开源系统，并将此系统的参数公布给业界工程师、学者和拥有大量编程能力的技术人员。TensorFlow04

TensorFlow作为最受欢迎的深度学习框架之一，以其作为研究框架发表的论文逐年领先。

TensorFlow是相对高阶的机器学习库，用户可以方便地用它设计神经网络结构，而不必为了追求高效率的实现亲自写代码。它支持自动求导，用户不需要再通过反向传播求解梯度。TensorFlowRecord04

TensorFlow提供了一种统一的格式来存储数据，这个格式就是TFRecord。为了高效的读取数据，可以将数据进行序列化存储，这样也便于网络流式读取数据，TFRecord就是一种保存记录的方法可以允许你将任意的数据转换为TensorFlow所支持的格式，这种方法可以使TensorFlow的数据集更容易与网络应用架构相匹配。TensorFlowRecord04

数据类型多种多样，比如：二进制文件、文本文件、编码后的图像文件jpeg、png等，不可能用一套代码实现所有类型的输入数据读取，因此转换为统一数据格式可以简化数据读取层的实现。

TFRecord只需要一次性加载，读取原始图像数据需要反复加载图像数据，占用系统IO资源。职业能力目标01任务描述与要求02任务分析与计划03知识储备04任务实施05任务检查与评价06任务小结07任务拓展08任务二环境配置与创建TF记录文件安装依赖包05安装目标检测API官方文档：https://tensorflow-object-detection-api-tutorial.readthedocs.io/en/latest/install.html安装目标检测API05

TensorFlowModelGarden是一个存储库，为TensorFlow用户提供了许多不同的最先进(SOTA)模型实现和建模解决方案，以便TensorFlow用户可以充分利用TensorFlow进行研究和产品开发。

首先我们需要从TensorflowModelGarden中下载需要的API文:/tensorflow/models(云平台上可以省略)

已提前下载好文件并解压到：./facemask/models05安装目标检测API转移setup.py安装文件：

将models/research/object_detection/packages/tf2/setup.app复制到models/research目录编译Protobuf：

Tensorflow目标检测API使用Protobufs来配置模型和训练参数。在使用框架之前，必须下载并编译Protobuf库。05安装目标检测API使用setup.py文件来安装必要的依赖包安装api在models/research目录下执行命令校验完整性脚本文件参数设置05模板写法：

python3generate_tfrecord.py-x<xml地址>-l<.pbtxt标签地址>-o<输出地址>参数解释：

-xxml文件地址

-l标签地址，任务1.数据准备生成的label_map.pbtxt文件

-oTFRecord的文件名填写路径05路径解释： 1）BASE_PATH：主文件夹。

2）WORKSPACE_PATH：项目进行时，最频繁用到的文件夹。

3）ANNOTATION_PATH：用于存放标签文件的文件夹。

4）SCRIPTS_PATH：用于存放generate_tfrecord.py的文件夹地址。

5）IMAGE_PATH：用于数据集图片地址,学生也可以自行改成自己的数据集地址。职业能力目标01任务描述与要求02任务分析与计划03知识储备04任务实施05任务检查与评价06任务小结07任务拓展08任务二环境配置与创建TF记录文件任务检查与评价061、请参照评价标准完成自评和对其他小组的互评。2、各组请代表分析本组任务实施经验。项目名称人脸口罩佩戴识别任务名称环境配置与创建TF记录文件评价方式可采用自评、互评、老师评价等方式说明主要评价学生在项目学习过程中的操作技能、理论知识、学习态度、课堂表现、学习能力等

评价内容与评价标准序号评价内容评价标准分值得分1理论知识（20%）了解tensorflow和tensorflowrecord的知识。（20分）20分

2专业技能（40%）软件的安装与文件导入（10%）安装tensorflow（10分）10分

重点函数详解（30%）创建tensorflowrecord文件（20分）30分

创建关键参数运行脚本（10分）3核心素养（20%）具有良好的自主学习能力、分析解决问题的能力、整个任务过程中有指导他人（20分）20分

具有较好的学习能力和分析解决问题的能力，任务过程中无指导他人（15分）能够主动学习并收集信息，有请教他人进行解决问题的能力（10分）不主动学习（0分）4课堂纪律（20%）设备无损坏、设备摆放整齐、工位区域内保持整洁、无干扰课堂秩序（20分）20分

设备无损坏、无干扰课堂秩序（15分）无干扰课堂秩序（10分）干扰课堂秩序（0分）总得分职业能力目标01任务描述与要求02任务分析与计划03知识储备04任务实施